Турецкие учёные применили машинное обучение и спутниковые данные для оценки выбросов углерода и N₂O в Южной Суматре

Дайджест исследований

В данном исследовании изучалось влияние расширения пастбищ и пахотных земель на выбросы углерода (C) и закиси азота (N2O) с помощью данных дистанционного зондирования и моделей машинного обучения. Исследование было посвящено изменениям в сельскохозяйственном землепользовании на Южной Суматре с 1992 по 2018 год. Для пространственно-временного анализа использовались спутниковые снимки Landsat и Google Earth Engine (GEE). Алгоритмы машинного обучения, включая деревья градиентного усиления (GBT), случайный лес (RF), машины опорных векторов (SVM) и деревья классификации и регрессии (CART), использовались для оценки выбросов парниковых газов на основе нескольких параметров окружающей среды. Эти параметры включают расширенный вегетационный индекс (EVI), температуру поверхности земли (LST), нормализованный разностный вегетационный индекс (NDVI), альбедо, высоту над уровнем моря, влажность, плотность населения, осадки, влажность почвы и скорость ветра. Результаты показали сильную корреляцию между расширением сельского хозяйства и увеличением выбросов углерода и N2O, при этом модели RF и GBT продемонстрировали более высокую точность прогнозирования. В частности, GBT и RF достигли наивысшего значения R2 (0,71, 0,59) и наименьшей ошибки при моделировании выбросов, в то время как SVM показала низкие результаты во всех случаях. Данное исследование подчеркивает эффективность машинного обучения в количественной оценке динамики выбросов и указывает на необходимость разработки стратегий устойчивого управления земельными ресурсами для снижения выбросов парниковых газов.Благодаря интеграции дистанционного зондирования и методологий, основанных на данных, это исследование вносит вклад в политику смягчения последствий изменения климата и стратегии точного земледелия, направленные на обеспечение баланса между продовольственной безопасностью и экологической устойчивостью.

Исследование опубликовано в журнале Atmosphere.

https://www.mdpi.com/2073-4433/16/4/418